DenyTranDFW/Carvana_Auto_Receivables_Trust_2021_N2_1843643

该数据集包含Carvana Auto Receivables Trust 2021-N2的SEC ABS-EE资产级别文件，涵盖从2021年4月30日至2026年3月31日的报告期。数据集包括60个文件、100个Parquet文件，总大小为90.5 MB。Parquet文件是从XML展品中提取的贷款级别/资产级别数据，并按{accession_nodash}/{exhibit_name}.parquet的方式组织。数据集还提供了详细的文件索引，包括CIK、表单、访问号、报告日期和URL等信息。SEC ABS-EE asset-level filings for CIK **1843643** (Carvana Auto Receivables Trust 2021-N2). The dataset includes 60 filings, 100 Parquet files, with a total size of 90.5 MB. The reporting period spans from 2021-04-30 to 2026-03-31. Parquet files are loan-level / asset-level data extracted from XML exhibits, organised as `{accession_nodash}/{exhibit_name}.parquet`. A detailed filing index is provided, including CIK, form, accessionNumber, reportDate, and url.

搜集汇总

数据集介绍

构建方式

该数据集源于美国证券交易委员会（SEC）的ABS-EE资产层面信息披露制度，聚焦于Carvana Auto Receivables Trust 2021-N2这一汽车贷款证券化产品。数据集通过系统收集CIK编号1843643对应的实体在2021年4月至2026年3月期间提交的全部60份ABS-EE表格构建而成。原始数据源自XML格式的资产层面披露附件，经过解析与转换后，以Parquet列式存储格式组织，每条记录按`{accession_nodash}/{exhibit_name}.parquet`路径存放，并依据XML中的`reportingPeriodEndingDate`字段标注报告周期日期。整个处理流程旨在保留贷款级别数据的完整性与结构化特征，最终形成涵盖100个Parquet文件、总容量约90.5 MB的标准化数据集。

特点

该数据集的核心特征在于其精细的资产颗粒度与时间跨度优势。作为资产支持证券领域的高质量样本，它完整呈现了从证券化起始日至临近到期日的逐月资产表现，时间序列长达五年，覆盖60个报告周期。数据以Parquet格式存储，兼具高效的压缩比与快速的查询性能，特别适合处理大规模金融时间序列分析。数据集聚焦于汽车零售应收账款这一特定资产类别，提供了每笔贷款的微观信息，包括但不限于还款状态、余额变化与逾期情况等关键指标，为研究汽车ABS产品的现金流动态、违约风险及提前偿付行为提供了坚实的数据基础。

使用方法

研究者可通过标准数据科学工具直接加载Parquet文件进行探索性分析，例如利用Python的Pandas库配合PyArrow引擎读取数据，并对字段进行清洗与聚合。数据集支持按报告日期或贷款标识进行索引，便于构建面板数据模型以追踪个体贷款的生命周期表现。对于金融建模场景，可将月度资产层面数据作为输入，结合外部宏观变量，用于训练信用风险预测模型或现金流水箱模型。此外，通过关联SEC EDGAR系统中的其他披露文件（如交易说明书与定期报告），可实现从资产池构成到交易结构的全方位研究，深入剖析汽车ABS产品的运营机理与风险特征。

背景与挑战

背景概述

Carvana Auto Receivables Trust 2021-N2 数据集由美国证券交易委员会（SEC）依据ABS-EE（Asset-Backed Securities Exchange Electronic）规范发布，涵盖Carvana Auto Receivables Trust 2021-N2这一资产支持证券（ABS）从2021年4月至2026年3月的逐笔贷款级资产数据。该数据集由SEC EDGAR系统收集，共包含60份申报文件和100个Parquet格式文件，总容量达90.5 MB，旨在为金融监管、风险分析和证券化研究提供细粒度的底层资产表现信息。作为结构化金融领域的重要公开资源，它填补了传统ABS信息披露中资产层面数据的空白，对提升证券化市场的透明度和模型准确性具有显著推动作用。

当前挑战

该数据集核心解决的是资产支持证券领域信息不对称的挑战，传统ABS报告多依赖聚合指标，难以真实反映基础资产的信用风险和偿付模式，而Carvana数据集通过逐笔贷款级别的详细记录，为违约预测、现金流建模和投资组合分析提供了突破口。在构建过程中，挑战在于从非结构化的SEC XML附件中高效提取并标准化60个月份的资产数据，确保字段一致性并处理跨期数据格式的演变，同时将原始披露转换为可分析的Parquet格式，以应对90.5 MB数据量的处理与存储需求。

常用场景

经典使用场景

在资产证券化（ABS）研究领域，Carvana Auto Receivables Trust 2021-N2数据集为学者和从业人员提供了宝贵的单笔贷款层面数据，涵盖从2021年4月至2026年3月的完整报告周期。该数据集最经典的应用场景在于构建汽车贷款ABS的违约预测模型和提前还款行为分析。研究者可以利用其包含的60份月度ABS-EE备案文件中提取的资产级细节，深入剖析特定资产池的信用表现动态，从而评估结构化产品的风险敞口和现金流稳定性。

解决学术问题

该数据集有效解决了学术研究中长期存在的数据稀缺与透明度不足问题。通过提供标准化的资产层面信息，它使得研究人员能够量化分析汽车贷款ABS中的信息不对称现象，实证检验贷款发起标准、借款人信用特征与证券化产品绩效之间的内在关联。其意义在于推动了结构性金融领域的实证研究，为监管机构优化信息披露规则提供了数据支撑，并深化了对系统性风险传导机制的理解。

衍生相关工作

基于该数据集的范式，学术界与业界已衍生出多项经典工作。例如，利用其资产级时间序列数据开发了用于预测贷款逾期与损失严重度的生存分析模型；此外，通过将披露信息与宏观经济指标关联，开创了ABS市场压力测试与情景模拟的研究分支。这些工作不仅深化了对汽车ABS信用风险的认知，还为构建更稳健的证券化产品设计和监管框架奠定了方法论基础。